CN116051000B - 一种基于数据销售分析方法、系统和可读存储介质 - Google Patents
一种基于数据销售分析方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN116051000B CN116051000B CN202310123134.1A CN202310123134A CN116051000B CN 116051000 B CN116051000 B CN 116051000B CN 202310123134 A CN202310123134 A CN 202310123134A CN 116051000 B CN116051000 B CN 116051000B
- Authority
- CN
- China
- Prior art keywords
- sales
- value
- period
- warehouse
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数据销售分析方法、系统和存储介质,其中方法包括:获取历史仓储数量信息;根据历史仓储数量信息,得到历史仓库出货数据信息和仓库最大存储值信息;将历史仓库出货数据按照预设周期进行划分,得到不同周期内的历史销售值;根据不同周期内的历史销售值和预设销售变化因子,得到对应周期内的销售计划值;根据销售计划值、仓库最大存储值和预设仓储最小值,得到预测进货周期以及对应周期内进货的数量范围。本发明通过历史销售数据确定仓库存储数量,减少了产品库存时间,从而实现产品精准销售。
Description
技术领域
本发明涉及数据处理领域,更具体的,涉及一种基于数据销售分析方法、系统和可读存储介质。
背景技术
近年来,仓储行业兴起,通过仓库将产品进行存储,调节产品的价格以及长距离运输问题,使得产品被销售后快速送达到购买者手中。然而,现阶段产品仓储的数量等主要是通过相关人员的经验来确定,容易造成产品仓储过多,产品压在仓库中滞销;或者产品仓储过少,容易造成产品缺货。
因此,现有技术存在缺陷,亟待改进。
发明内容
鉴于上述问题,本发明的目的是提供一种基于数据销售分析方法、系统和可读存储介质,通过控制产品仓储而实现产品精准销售。
本发明第一方面提供了一种基于数据销售分析方法,包括:
获取历史仓储数量信息;
根据历史仓储数量信息,得到历史仓库出货数据信息和仓库最大存储值信息;
将历史仓库出货数据按照预设周期进行划分,得到不同周期内的历史销售值;
根据不同周期内的历史销售值和预设销售变化因子,得到对应周期内的销售计划值;
根据销售计划值、仓库最大存储值和预设仓储最小值,得到预测进货周期以及对应周期内进货的数量范围。
本方案中,所述根据不同周期内的历史销售值和预设销售变化因子,得到不同周期内的销售计划值的步骤,具体包括:
将不同周期内的历史销售值设为An,销售变化因子设为Bn;
将不同周期内的销售计划值设为Cm,其公式为:Cm=An*Bn,其中n表示历史销售周期编号,m表示预测销售周期编号且m=n。
本方案中,还包括:
获取预测周期内的销售实际值;
根据预设周期内的销售实际值和预设周期内的销售计划值进行对比分析,得到误差值;
判断所述误差值是否小于预设误差阈值,若是,则对应误差值为正常;否则为异常,记录异常周期销售个数;
判断预设周期数量内的异常周期销售个数是否大于预设数量阈值,若是,则根据误差值调整后面周期内的销售计划值;否则不调整。
本方案中,所述则根据误差值调整后面周期内的销售计划值的步骤,具体包括:
将预设周期数量内的误差值进行均值计算,得到预设周期数量内的误差值均值;
根据预设周期数量内的误差值均值、后面周期内的销售变化因子和对应周期内的历史销售值,得到后面周期内的销售计划修订值。
本方案中,还包括:
获取历史进货价格信息;
将历史进货价格和预设进货价格波动系数,得到预测进货周期内的进货价格最低的日期以及对应日期内的预测进货价格;
将所述预测进货周期内的进货价格最低的日期设为预测的最佳进货日期。
本方案中,还包括:
获取进货可调用的最大资金信息;
根据进货可调用的最大资金和最佳进货日期对应的进货价格预测值,得到最大资金进货量;
判断所述最大资金进货量是否小于预测的最佳进货日期对应的进货数量值,若是,则以进货可调用的最大资金进行进货;否则根据预测的最佳进货日期对应的数量值进行进货。
本发明第二方面提供了一种基于数据销售分析系统,包括存储器和处理器,所述存储器中存储有一种基于数据销售分析方法程序,所述一种基于数据销售分析方法程序被所述处理器执行时实现如下步骤:
获取历史仓储数量信息;
根据历史仓储数量信息,得到历史仓库出货数据信息和仓库最大存储值信息;
将历史仓库出货数据按照预设周期进行划分,得到不同周期内的历史销售值;
根据不同周期内的历史销售值和预设销售变化因子,得到对应周期内的销售计划值;
根据销售计划值、仓库最大存储值和预设仓储最小值,得到预测进货周期以及对应周期内进货的数量范围。
本方案中,所述根据不同周期内的历史销售值和预设销售变化因子,得到不同周期内的销售计划值的步骤,具体包括:
将不同周期内的历史销售值设为An,销售变化因子设为Bn;
将不同周期内的销售计划值设为Cm,其公式为:Cm=An*Bn,其中n表示历史销售周期编号,m表示预测销售周期编号且m=n。
本方案中,还包括:
获取预测周期内的销售实际值;
根据预设周期内的销售实际值和预设周期内的销售计划值进行对比分析,得到误差值;
判断所述误差值是否小于预设误差阈值,若是,则对应误差值为正常;否则为异常,记录异常周期销售个数;
判断预设周期数量内的异常周期销售个数是否大于预设数量阈值,若是,则根据误差值调整后面周期内的销售计划值;否则不调整。
本方案中,所述则根据误差值调整后面周期内的销售计划值的步骤,具体包括:
将预设周期数量内的误差值进行均值计算,得到预设周期数量内的误差值均值;
根据预设周期数量内的误差值均值、后面周期内的销售变化因子和对应周期内的历史销售值,得到后面周期内的销售计划修订值。
本方案中,还包括:
获取历史进货价格信息;
将历史进货价格和预设进货价格波动系数,得到预测进货周期内的进货价格最低的日期以及对应日期内的预测进货价格;
将所述预测进货周期内的进货价格最低的日期设为预测的最佳进货日期。
本方案中,还包括:
获取进货可调用的最大资金信息;
根据进货可调用的最大资金和最佳进货日期对应的进货价格预测值,得到最大资金进货量;
判断所述最大资金进货量是否小于预测的最佳进货日期对应的进货数量值,若是,则以进货可调用的最大资金进行进货;否则根据预测的最佳进货日期对应的数量值进行进货。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有一种基于数据销售分析方法程序,所述一种基于数据销售分析方法程序被处理器执行时,实现如上述任一项所述的一种基于数据销售分析方法的步骤。
本发明公开的一种基于数据销售分析方法、系统和存储介质,通过历史销售数据确定仓库存储数量,减少了产品库存时间,从而实现产品精准销售。
附图说明
图1示出了本发明一种基于数据销售分析方法的流程图;
图2示出了本发明根据误差值调整后面周期内的销售计划值的步骤流程图;
图3示出了本发明一种基于数据销售分析系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于数据销售分析方法的流程图。
如图1所示,本发明公开了一种基于数据销售分析方法,包括:
S102,获取历史仓储数量信息;
S104,根据历史仓储数量信息,得到历史仓库出货数据信息和仓库最大存储值信息;
S106,将历史仓库出货数据按照预设周期进行划分,得到不同周期内的历史销售值;
S108,根据不同周期内的历史销售值和预设销售变化因子,得到对应周期内的销售计划值;
S110,根据销售计划值、仓库最大存储值和预设仓储最小值,得到预测进货周期以及对应周期内进货的数量范围。
需要说明的是,所述预设周期根据不同产品进行确定,比如预设周期设为一个星期、一个月等。若设为一个星期,则将一个星期内的历史仓库出货数据设为该周期内的销售值,所述预设销售变化因子为不同周期的历史销售值在未来对应周期内的计划增长率。将仓库最大存储值设为S0,预设仓储最小值设为Smin,满足公式 得到最大周期j,将最大周期j设为预设进货周期,其中i,j∈m,Ci≤Smin,对应周期内进货的最小值为/>对应周期内进货的最大值为/>当销售变化因子为正数时,说明销售业绩不断提升,进货量取最大值,当销售变化因子为负数时,说明销售业绩在下降,进货量去最小值,其中x,y∈j,m表示预测销售周期编号且m=n。所述仓库最大存储值为对应产品在仓库内的最佳存储值,根据仓库存储条件、成本等因素确定,当产品在仓库的存储量少于预设仓储最小值时,触发进货提示信息,所述预测进货周期以上次进货周期为基准重新计算的时间周期。
根据本发明实施例,所述根据不同周期内的历史销售值和预设销售变化因子,得到不同周期内的销售计划值的步骤,具体包括:
将不同周期内的历史销售值设为An,销售变化因子设为Bn;
将不同周期内的销售计划值设为Cm,其公式为:Cm=An*Bn,其中n表示历史销售周期编号,m表示预测销售周期编号且m=n。
需要说明的是,不同周期内的历史销售值按照时间先后顺序,分别命名为{A1,A2,…,An}。其中A1对应的销售变化因子为B1,对应的周期销售计划值为C1且C1=A1*B1,比如:2022年1月份的历史销售值设为A1,则对应周期销售计划值可为2023年1月份的销售计划值C1,具体由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
获取预测周期内的销售实际值;
根据预设周期内的销售实际值和预设周期内的销售计划值进行对比分析,得到误差值;
判断所述误差值是否小于预设误差阈值,若是,则对应误差值为正常;否则为异常,记录异常周期销售个数;
判断预设周期数量内的异常周期销售个数是否大于预设数量阈值,若是,则根据误差值调整后面周期内的销售计划值;否则不调整。
需要说明的是,将预测周期内的销售实际值设为am,则对应预测周期内的销售误差值若预设误差阈值为b,则当bm≥b时,对应预测周期内的销售计划值偏差过大,对应周期的销售计划为异常,对应周期为异常周期,记录异常周期的个数;若预设周期数量设为5,预设数量阈值为2,说明当连续的5个周期内,存在2个以上的异常周期个数,说明预测的销售计划值存在偏差过大,需要进行调整;若小于或等于2个,则说明对应异常周期为突发事件引起的短周期异常,对整体销售计划构成的影响在正常范围内。
图2示出了本发明根据误差值调整后面周期内的销售计划值的步骤流程图。
如图2所示,根据本发明实施例,所述则根据误差值调整后面周期内的销售计划值的步骤,具体包括:
S202,将预设周期数量内的误差值进行均值计算,得到预设周期数量内的误差值均值;
S204,根据预设周期数量内的误差值均值、后面周期内的销售变化因子和对应周期内的历史销售值,得到后面周期内的销售计划修订值。
需要说明的是,所述,预设周期数量内的误差值均值为预设周期数量内且连续销售周期的误差均值,若预设周期数量为5,则对应将预设周期数量内的误差值均值设为其中β∈m,则后期周期内的销售计划修订值
根据本发明实施例,还包括:
获取历史进货价格信息;
将历史进货价格和预设进货价格波动系数,得到预测进货周期内的进货价格最低的日期以及对应日期内的预测进货价格;
将所述预测进货周期内的进货价格最低的日期设为预测的最佳进货日期。
需要说明的是,将产品的历史进货价格通过预设软件绘制成历史价格波形图,比如office办公软件,通过历史价格波形图和预测进货周期,确定预测进货周期内价格最低的日期,比如在预测进货周期内对应的价格波形图在上升阶段,则预测进货周期的初始日期为最佳进货日期,再根据预设进货价格波动系数,得到预测的最佳进货日期对应的进货价格D,其中D=d*(1+μ),其中d表示预设的最佳进货时间对应的历史进货价格,μ表示预设进货价格波动系数,若存在多个价格低点,则以第一个价格低点为准。
根据本发明实施例,还包括:
获取进货可调用的最大资金信息;
根据进货可调用的最大资金和最佳进货日期对应的进货价格预测值,得到最大资金进货量;
判断所述最大资金进货量是否小于预测的最佳进货日期对应的进货数量值,若是,则以进货可调用的最大资金进行进货;否则根据预测的最佳进货日期对应的数量值进行进货。
需要说明的是,当进货可调用的最大资金大于或等于预设的最佳进货日期对应的进货数量值时,说明对应进货可调用的资金充足,所述最大资金进货量等于进货可调用的最大资金除以最佳进货日期对应的进货价格;若最大资金进货量小于预设的最佳进货日期对应的进货数量值,则按照进货可调有的最大资金进行进货。
根据本发明实施例,还包括:
获取产品在仓库存储的时间信息;
判断所述产品在仓库库存的时间是否大于对应产品存储时间阈值,若是,则触发促销提示;否则不触发。
需要说明的是,不同产品根据产品特点,具有不同的保质期,当产品在仓库的存储时间即将达到保质期还未被销售时,会触发促销提示。比如产品p在仓库存储的时间为60天,对应产品p在仓库的存储时间阈值为59天,则将产品p信息发送至管理终端进行提示,并通过促销的方式进行出售,比如打折等。所述产品存储时间阈值小于对应产品的保质期。
根据本发明实施例,所述产品存储时间阈值的获取步骤,具体包括:
获取产品的质保时间、进货时间和生产时间信息;
根据产品的质保时间、进货时间、生产时间和预设保留时间,得到产品在仓库的最长保存时间;
将所述产品在仓库的最长保存时间设为对应产品存时间阈值。
需要说明的是,将质保时间设为t1,进货时间设为t2,生产时间设为t3,预设保留时间设为t4,则产品在仓库的最长保留时间为T,则满足公式T≤t1-t4+t3-t2;所述预设保留时间是防止产品在到达质保期还未被销售而设置的促销处理时间,具体由本领域技术人员根据产品实际情况设置。
根据本发明实施例,还包括:
获取历史产品的进货日期信息;
根据历史产品的进货日期和对应产品在仓库的最长保存时间,得到对应产品在仓库的最晚日期;
判断预测的最佳进货日期是否早于对应产品在仓库的最晚日期,若是,则对应预测的最佳进货时间正常;否则为异常。
需要说明的是,产品的进货时间越晚,说明上次进货的产品在仓库中存储的时间越长,相对来说上次进货的产品数量越多,通过减短产品的进货时间以增长对应产品在仓库的最长保存时间。比如历史产品的进货日期为1月1号,对应产品在仓库的最长保存时间为25天,则对应产品在仓库的最晚时间日期为1月26号,若预测的最佳进货日期早于1月26号则预测的最佳进货日期正常;若预测的最佳进货日期不早于对应产品在仓库的最晚在仓库的最晚日期,则以日期早的为准,通过提早进货日期,减少单次进货量,以减少产品在仓库的保存时间,将对应产品在仓库的最晚在仓库的最晚日期落入的周期设为预设进货周期,并调整预设进货周期的进货量。
图3示出了本发明一种基于数据销售分析系统的框图。
如图3所示,本发明第二方面提供了一种基于数据销售分析系统3,包括存储器31和处理器32,所述存储器中存储有一种基于数据销售分析方法程序,所述一种基于数据销售分析方法程序被所述处理器执行时实现如下步骤:
获取历史仓储数量信息;
根据历史仓储数量信息,得到历史仓库出货数据信息和仓库最大存储值信息;
将历史仓库出货数据按照预设周期进行划分,得到不同周期内的历史销售值;
根据不同周期内的历史销售值和预设销售变化因子,得到对应周期内的销售计划值;
根据销售计划值、仓库最大存储值和预设仓储最小值,得到预测进货周期以及对应周期内进货的数量范围。
需要说明的是,所述预设周期根据不同产品进行确定,比如预设周期设为一个星期、一个月等。若设为一个星期,则将一个星期内的历史仓库出货数据设为该周期内的销售值,所述预设销售变化因子为不同周期的历史销售值在未来对应周期内的计划增长率。将仓库最大存储值设为S0,预设仓储最小值设为Smin,满足公式 得到最大周期j,将最大周期j设为预设进货周期,其中i,j∈m,Ci≤Smin,对应周期内进货的最小值为/>对应周期内进货的最大值为/>当销售变化因子为正数时,说明销售业绩不断提升,进货量取最大值,当销售变化因子为负数时,说明销售业绩在下降,进货量去最小值,其中x,y∈j,m表示预测销售周期编号且m=n。所述仓库最大存储值为对应产品在仓库内的最佳存储值,根据仓库存储条件、成本等因素确定,当产品在仓库的存储量少于预设仓储最小值时,触发进货提示信息,所述预测进货周期以上次进货周期为基准重新计算的时间周期。
根据本发明实施例,所述根据不同周期内的历史销售值和预设销售变化因子,得到不同周期内的销售计划值的步骤,具体包括:
将不同周期内的历史销售值设为An,销售变化因子设为Bn;
将不同周期内的销售计划值设为Cm,其公式为:Cm=An*Bn,其中n表示历史销售周期编号,m表示预测销售周期编号且m=n。
需要说明的是,不同周期内的历史销售值按照时间先后顺序,分别命名为{A1,A2,…,An}。其中A1对应的销售变化因子为B1,对应的周期销售计划值为C1且C1=A1*B1,比如:2022年1月份的历史销售值设为A1,则对应周期销售计划值可为2023年1月份的销售计划值C1,具体由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
获取预测周期内的销售实际值;
根据预设周期内的销售实际值和预设周期内的销售计划值进行对比分析,得到误差值;
判断所述误差值是否小于预设误差阈值,若是,则对应误差值为正常;否则为异常,记录异常周期销售个数;
判断预设周期数量内的异常周期销售个数是否大于预设数量阈值,若是,则根据误差值调整后面周期内的销售计划值;否则不调整。
需要说明的是,将预测周期内的销售实际值设为am,则对应预测周期内的销售误差值若预设误差阈值为b,则当bm≥b时,对应预测周期内的销售计划值偏差过大,对应周期的销售计划为异常,对应周期为异常周期,记录异常周期的个数;若预设周期数量设为5,预设数量阈值为2,说明当连续的5个周期内,存在2个以上的异常周期个数,说明预测的销售计划值存在偏差过大,需要进行调整;若小于或等于2个,则说明对应异常周期为突发事件引起的短周期异常,对整体销售计划构成的影响在正常范围内。
根据本发明实施例,所述则根据误差值调整后面周期内的销售计划值的步骤,具体包括:
将预设周期数量内的误差值进行均值计算,得到预设周期数量内的误差值均值;
根据预设周期数量内的误差值均值、后面周期内的销售变化因子和对应周期内的历史销售值,得到后面周期内的销售计划修订值。
需要说明的是,所述,预设周期数量内的误差值均值为预设周期数量内且连续销售周期的误差均值,若预设周期数量为5,则对应将预设周期数量内的误差值均值设为其中β∈m,则后期周期内的销售计划修订值
根据本发明实施例,还包括:
获取历史进货价格信息;
将历史进货价格和预设进货价格波动系数,得到预测进货周期内的进货价格最低日期以及对应日期内的预测进货价格;
将所述预测进货周期内的进货价格最低日期设为预测的最佳进货日期。
需要说明的是,将产品的历史进货价格通过预设软件绘制成历史价格波形图,比如office办公软件,通过历史价格波形图和预测进货周期,确定预测进货周期内价格最低的日期,比如在预测进货周期内对应的价格波形图在上升阶段,则预测进货周期的初始日期为最佳进货日期,再根据预设进货价格波动系数,得到预测的最佳进货日期对应的进货价格D,其中D=d*(1+μ),其中d表示预设的最佳进货时间对应的历史进货价格,μ表示预设进货价格波动系数,若存在多个价格低点,则以第一个价格低点为准。
根据本发明实施例,还包括:
获取进货可调用的最大资金信息;
根据进货可调用的最大资金和最佳进货日期对应的进货价格预测值,得到最大资金进货量;
判断所述最大资金进货量是否小于预测的最佳进货日期对应的进货数量值,若是,则以进货可调用的最大资金进行进货;否则根据预测的最佳进货日期对应的数量值进行进货。
需要说明的是,当进货可调用的最大资金大于或等于预设的最佳进货日期对应的进货数量值时,说明对应进货可调用的资金充足,所述最大资金进货量等于进货可调用的最大资金除以最佳进货日期对应的进货价格;若最大资金进货量小于预设的最佳进货日期对应的进货数量值,则按照进货可调有的最大资金进行进货。
根据本发明实施例,还包括:
获取产品在仓库存储的时间信息;
判断所述产品在仓库库存的时间是否大于对应产品存储时间阈值,若是,则触发促销提示;否则不触发。
需要说明的是,不同产品根据产品特点,具有不同的保质期,当产品在仓库的存储时间即将达到保质期还未被销售时,会触发促销提示。比如产品p在仓库存储的时间为60天,对应产品p在仓库的存储时间阈值为59天,则将产品p信息发送至管理终端进行提示,并通过促销的方式进行出售,比如打折等。所述产品存储时间阈值小于对应产品的保质期。
根据本发明实施例,所述产品存储时间阈值的获取步骤,具体包括:
获取产品的质保时间、进货时间和生产时间信息;
根据产品的质保时间、进货时间、生产时间和预设保留时间,得到产品在仓库的最长保存时间;
将所述产品在仓库的最长保存时间设为对应产品存时间阈值。
需要说明的是,将质保时间设为t1,进货时间设为t2,生产时间设为t3,预设保留时间设为t4,则产品在仓库的最长保留时间为T,则满足公式T≤t1-t4+t3-t2;所述预设保留时间是防止产品在到达质保期还未被销售而设置的促销处理时间,具体由本领域技术人员根据产品实际情况设置。
根据本发明实施例,还包括:
获取历史产品的进货日期信息;
根据历史产品的进货日期和对应产品在仓库的最长保存时间,得到对应产品在仓库的最晚日期;
判断预测的最佳进货日期是否早于对应产品在仓库的最晚日期,若是,则对应预测的最佳进货时间正常;否则为异常。
需要说明的是,产品的进货时间越晚,说明上次进货的产品在仓库中存储的时间越长,相对来说上次进货的产品数量越多,通过减短产品的进货时间以增长对应产品在仓库的最长保存时间。比如历史产品的进货日期为1月1号,对应产品在仓库的最长保存时间为25天,则对应产品在仓库的最晚时间日期为1月26号,若预测的最佳进货日期早于1月26号则预测的最佳进货日期正常;若预测的最佳进货日期不早于对应产品在仓库的最晚在仓库的最晚日期,则以日期早的为准,通过提早进货日期,减少单次进货量,以减少产品在仓库的保存时间,将对应产品在仓库的最晚在仓库的最晚日期落入的周期设为预设进货周期,并调整预设进货周期的进货量。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有一种基于数据销售分析方法程序,所述一种基于数据销售分析方法程序被处理器执行时,实现如上述任一项所述的一种基于数据销售分析方法的步骤。
本发明公开的一种基于数据销售分析方法、系统和存储介质,其中方法包括:获取历史仓储数量信息;根据历史仓储数量信息,得到历史仓库出货数据信息和仓库最大存储值信息;将历史仓库出货数据按照预设周期进行划分,得到不同周期内的历史销售值;根据不同周期内的历史销售值和预设销售变化因子,得到对应周期内的销售计划值;根据销售计划值、仓库最大存储值和预设仓储最小值,得到预测进货周期以及对应周期内进货的数量范围。本发明通过历史销售数据确定仓库存储数量,减少了产品库存时间,从而实现产品精准销售。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (5)
1.一种基于数据销售分析方法,其特征在于,包括:
获取历史仓储数量信息;
根据历史仓储数量信息,得到历史仓库出货数据信息和仓库最大存储值信息;
将历史仓库出货数据按照预设周期进行划分,得到不同周期内的历史销售值;
根据不同周期内的历史销售值和预设销售变化因子,得到对应周期内的销售计划值;
根据销售计划值、仓库最大存储值和预设仓储最小值,得到预测进货周期以及对应周期内进货的数量范围;
将仓库最大存储值设为S0,预设仓储最小值设为Smin,满足公式得到最大周期j,将最大周期j设为预设进货周期,其中i,j∈m,Ci≤Smin,对应周期内进货的最小值为/>对应周期内进货的最大值为/>
所述根据不同周期内的历史销售值和预设销售变化因子,得到不同周期内的销售计划值的步骤,具体包括:
将不同周期内的历史销售值设为An,销售变化因子设为Bn;
将不同周期内的销售计划值设为Cm,其公式为:Cm=An*Bn,其中n表示历史销售周期编号,m表示预测销售周期编号且m=n;
还包括:
获取预测周期内的销售实际值;
根据预设周期内的销售实际值和预设周期内的销售计划值进行对比分析,得到误差值;
判断所述误差值是否小于预设误差阈值,若是,则对应误差值为正常;否则为异常,记录异常周期销售个数;
判断预设周期数量内的异常周期销售个数是否大于预设数量阈值,若是,则根据误差值调整后面周期内的销售计划值;否则不调整;
所述则根据误差值调整后面周期内的销售计划值的步骤,具体包括:
将预设周期数量内的误差值进行均值计算,得到预设周期数量内的误差值均值;
根据预设周期数量内的误差值均值、后面周期内的销售变化因子和对应周期内的历史销售值,得到后面周期内的销售计划修订值;
还包括:
获取产品在仓库存储的时间信息;
判断所述产品在仓库库存的时间是否大于对应产品存储时间阈值,若是,则触发促销提示;否则不触发;
所述产品存储时间阈值的获取步骤,具体包括:
获取产品的质保时间、进货时间和生产时间信息;
根据产品的质保时间、进货时间、生产时间和预设保留时间,得到产品在仓库的最长保存时间;
将所述产品在仓库的最长保存时间设为对应产品存时间阈值。
2.根据权利要求1所述的一种基于数据销售分析方法,其特征在于,还包括:
获取历史进货价格信息;
将历史进货价格和预设进货价格波动系数,得到预测进货周期内的进货价格最低的日期以及对应日期内的预测进货价格;
将所述预测进货周期内的进货价格最低的日期设为预测的最佳进货日期。
3.根据权利要求2所述的一种基于数据销售分析方法,其特征在于,还包括:
获取进货可调用的最大资金信息;
根据进货可调用的最大资金和最佳进货日期对应的进货价格预测值,得到最大资金进货量;
判断所述最大资金进货量是否小于预测的最佳进货日期对应的进货数量值,若是,则以进货可调用的最大资金进行进货;否则根据预测的最佳进货日期对应的数量值进行进货。
4.一种基于数据销售分析系统,其特征在于,包括存储器和处理器,所述存储器中存储有一种基于数据销售分析方法程序,所述一种基于数据销售分析方法程序被所述处理器执行时实现如下步骤:
获取历史仓储数量信息;
根据历史仓储数量信息,得到历史仓库出货数据信息和仓库最大存储值信息;
将历史仓库出货数据按照预设周期进行划分,得到不同周期内的历史销售值;
根据不同周期内的历史销售值和预设销售变化因子,得到对应周期内的销售计划值;
根据销售计划值、仓库最大存储值和预设仓储最小值,得到预测进货周期以及对应周期内进货的数量范围;
将仓库最大存储值设为S0,预设仓储最小值设为Smin,满足公式得到最大周期j,将最大周期j设为预设进货周期,其中i,j∈m,Ci≤Smin,对应周期内进货的最小值为/>对应周期内进货的最大值为/>
所述根据不同周期内的历史销售值和预设销售变化因子,得到不同周期内的销售计划值的步骤,具体包括:
将不同周期内的历史销售值设为An,销售变化因子设为Bn;
将不同周期内的销售计划值设为Cm,其公式为:Cm=An*Bn,其中n表示历史销售周期编号,m表示预测销售周期编号且m=n;
还包括:
获取预测周期内的销售实际值;
根据预设周期内的销售实际值和预设周期内的销售计划值进行对比分析,得到误差值;
判断所述误差值是否小于预设误差阈值,若是,则对应误差值为正常;否则为异常,记录异常周期销售个数;
判断预设周期数量内的异常周期销售个数是否大于预设数量阈值,若是,则根据误差值调整后面周期内的销售计划值;否则不调整;
所述则根据误差值调整后面周期内的销售计划值的步骤,具体包括:
将预设周期数量内的误差值进行均值计算,得到预设周期数量内的误差值均值;
根据预设周期数量内的误差值均值、后面周期内的销售变化因子和对应周期内的历史销售值,得到后面周期内的销售计划修订值;
还包括:
获取产品在仓库存储的时间信息;
判断所述产品在仓库库存的时间是否大于对应产品存储时间阈值,若是,则触发促销提示;否则不触发;
所述产品存储时间阈值的获取步骤,具体包括:
获取产品的质保时间、进货时间和生产时间信息;
根据产品的质保时间、进货时间、生产时间和预设保留时间,得到产品在仓库的最长保存时间;
将所述产品在仓库的最长保存时间设为对应产品存时间阈值。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有一种基于数据销售分析方法程序,所述一种基于数据销售分析方法程序被处理器执行时,实现如权利要求1至3中任一项所述的一种基于数据销售分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310123134.1A CN116051000B (zh) | 2023-02-16 | 2023-02-16 | 一种基于数据销售分析方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310123134.1A CN116051000B (zh) | 2023-02-16 | 2023-02-16 | 一种基于数据销售分析方法、系统和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116051000A CN116051000A (zh) | 2023-05-02 |
CN116051000B true CN116051000B (zh) | 2023-10-20 |
Family
ID=86114690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310123134.1A Active CN116051000B (zh) | 2023-02-16 | 2023-02-16 | 一种基于数据销售分析方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116051000B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116777306B (zh) * | 2023-08-21 | 2023-11-07 | 山东青鸟工业互联网有限公司 | 一种基于大数据的质量管理系统、方法、设备及介质 |
CN117273599A (zh) * | 2023-08-22 | 2023-12-22 | 昆仑数智科技有限责任公司 | 一种商品需求的预测和商品补货数量的确定方法与系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1741053A (zh) * | 2005-09-22 | 2006-03-01 | 上海交通大学 | 物流仓储决策支持系统 |
CN113947361A (zh) * | 2021-10-26 | 2022-01-18 | 广州壹瑞供应链服务有限公司 | 一种库存趋势分析方法、设备及介质 |
CN114240304A (zh) * | 2021-12-27 | 2022-03-25 | 涅生科技(广州)股份有限公司 | 仓库库存管控方法、装置、存储介质及erp系统 |
CN115222320A (zh) * | 2021-04-21 | 2022-10-21 | 财团法人工业技术研究院 | 库存自动化管理方法及其系统 |
CN115689451A (zh) * | 2022-11-14 | 2023-02-03 | 创优数字科技(广东)有限公司 | 一种线下零售门店补货量确定方法、装置、终端及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004075321A (ja) * | 2002-08-20 | 2004-03-11 | Ricoh Co Ltd | 在庫管理方法及び在庫管理プログラム |
-
2023
- 2023-02-16 CN CN202310123134.1A patent/CN116051000B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1741053A (zh) * | 2005-09-22 | 2006-03-01 | 上海交通大学 | 物流仓储决策支持系统 |
CN115222320A (zh) * | 2021-04-21 | 2022-10-21 | 财团法人工业技术研究院 | 库存自动化管理方法及其系统 |
CN113947361A (zh) * | 2021-10-26 | 2022-01-18 | 广州壹瑞供应链服务有限公司 | 一种库存趋势分析方法、设备及介质 |
CN114240304A (zh) * | 2021-12-27 | 2022-03-25 | 涅生科技(广州)股份有限公司 | 仓库库存管控方法、装置、存储介质及erp系统 |
CN115689451A (zh) * | 2022-11-14 | 2023-02-03 | 创优数字科技(广东)有限公司 | 一种线下零售门店补货量确定方法、装置、终端及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116051000A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116051000B (zh) | 一种基于数据销售分析方法、系统和可读存储介质 | |
CN111429048A (zh) | 确定补货信息的方法、装置及设备 | |
JP3831328B2 (ja) | 在庫管理方法、在庫管理システムおよび在庫管理プログラム | |
US20080243646A1 (en) | Methods for proactively reconciling bin denials in inventory management environments | |
CN111815198B (zh) | 一种门店补货方法、装置和设备 | |
CN113177763A (zh) | 一种补货建议生成方法和系统及计算机可读存储介质 | |
WO2021262709A1 (en) | Systems and methods for controlling the merchandise being delivered to distribution centers | |
CN115511144A (zh) | 商品销量数据预测方法、装置、设备、介质及产品 | |
CN116433154A (zh) | 一种仓库补货方法、装置、电子设备及存储介质 | |
CN111798167B (zh) | 一种仓库补货的方法和装置 | |
JP4296026B2 (ja) | 商品需要予測システム、商品の売上数調整システム | |
CN109978421B (zh) | 信息输出方法和装置 | |
CN112200444B (zh) | 业务分配方法、装置、设备及存储介质 | |
CN113762832A (zh) | 库存信息处理方法、装置、存储介质及电子设备 | |
CN116071000B (zh) | 物品库存的控制方法及控制装置 | |
CN113869811A (zh) | 仓储模式的确定方法、装置、计算机设备和存储介质 | |
CN109934667B (zh) | 一种采购订单动态调整方法、系统、电子设备及存储介质 | |
JP2020119029A (ja) | 発注情報計算プログラム、装置、及び方法 | |
CN113408982B (zh) | 电子商务的库存管理方法以及系统 | |
CN111861662B (zh) | 订单回推及库存管理方法、装置及计算机可读存储介质 | |
JP2007219965A (ja) | 出荷計画算出方法 | |
JP2000348016A (ja) | 安全在庫率による在庫補充方法 | |
US20220292442A1 (en) | Product management server and product management method | |
CN108073632B (zh) | 用于终端的信息处理的方法、装置和系统 | |
KR102553735B1 (ko) | 제품의 특성에 기반한 재고 매니징 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |